量子粒子群算法

摘要： 在考虑城际零担货运平台现有各种不同补贴方案的基础上,以平台补贴成本、车辆使用成本及燃油成本之和最小为目标函数,建立考虑车-货匹配、车辆三维装载等约束条件的车辆路径优化模型。设计一种混合量子粒子群优化算法,计算货物匹配方案、车辆路径、货物装卸顺序、货物装载位置以及平台补贴最优决策方案。实验结果表明:改进的量子粒子群算法得到的小规模算例优化解与CPLEX优化软件得到的最优解偏差为3.31%;改进的量子粒子群算法通过在求解最佳中间位置时引入适应度函数值作为权重,求解的大规模算例结果比传统量子粒子群算法提高了0.91%;通过分析最优解的特点,将改进的量子粒子群算法与启发式算法相结合,算法的求解质量提高了4.05%;通过补贴模式对比实验发现,在合理规划周期内,货主时长补贴和空载补贴的增长在维持总成本基本不变的情况下,可有效提升平台利润,提高车辆利用率。

摘要： 量子粒子群算法是一种应用广泛的智能种群优化算法,但是由于其后期种群多样性快速下降,导致在计算多峰优化问题时,容易陷入局部最优点。为了改进其搜索性能,本文通过改进Tent混沌映射并将其融入算法中,提出一种改进的量子粒子群算法。该算法通过对粒子分组设置,并进行不同策略的混沌搜索,充分利用混沌搜索的随机性和遍历性来提高种群的多样性,从而增强算法的全局搜索能力和提高算法收敛精度。为了评估改进算法,本文将改进算法与其他粒子群算法分别求解标准测试函数,仿真结果表明,改进算法具有更好的搜索性能。

摘要： 为了实现容器配额设置自动化和集群资源利用最大化,本文设计了一种容器配额优化算法.本文在长短期记忆(Long Short-Term Memory,LSTM)神经网络和广义回归神经网络(Generalized Regression Neural Network,GRNN)的基础上设计了深度神经网络(Long short-term memory and GRNN Network,LGN),并使用改进量子粒子群算法优选网络结构超参数,以实现自动调参和更快的收敛速度.容器配额优化算法步骤如下:首先根据历史数据使用LGN训练资源容量模型,然后使用改进的量子粒子群算法优化模型参数,最后使用资源容量模型计算容器配额.通过与谷歌容器垂直自动扩展器(Vertical Pod Autoscaler,VPA)和水平自动扩展器(Horizontal Pod Autoscaler,HPA)生成的配额进行对比发现,本文提出的优化算法较VPA和HPA降低了至少10%的资源分配总量,同时提升了至少6%的资源利用率.

摘要： 为充分发挥远程监控平台的监控和故障预警作用,针对电动汽车动力电池荷电状态(State Of Charge,SOC)精准估算对汽车控制和安全运行的重要性,利用车辆上传监控平台的运行数据进行SOC估算研究。通过减聚类算法计算隐层中心数,用量子粒子群(Quantum Particle Swarm Optimization,QPSO)算法优化径向基函数神经网络(Radial Basis Function Neural Network,RBFNN)的参数及结构,确定RBF神经网络中的核函数的宽度、中心、连接权值等,在MATLAB中进行仿真实验。实验表明远程监控平台采集的数据和优化的神经网络模型能够实现更准确、快速的SOC估算。并通过汽车行驶工况试验获取SOC数据训练网络,测试结果显示该方法能避免对原车SOC输出值的依赖及其偏差,有效地并行监测电动汽车运行过程中的电池状况。

摘要： 电路板焊接中心点的温度走势间接地反映了焊接质量,炉温曲线的优化设计对提高电路板焊接质量有着举足轻重的作用.文中运用傅里叶定律和集总参数法,建立反映电路板焊接中心温度变化的非稳态导热模型,并在满足制程界限和工艺要求的约束条件下,以传送带过炉速度最优和加热因子最小为目标,采用量子多目标粒子群算法(quantum multi-objective particle swarm optimization,QMOPSO)进行优化求解,获得了各温区的最优温度和电路板的最大过炉速度,并得到了最优炉温曲线.结果表明,优化后的电路板过炉速度为95.55 cm/min,接近速度上限,加热因子最小值为1 753.04,炉温曲线整体呈现先上升后下降的趋势,峰值温度为240.01°C,接近温度制程界限下限,该结果为电路板等电子器件焊接工艺的实际工程应用和提高焊接质量提供参考.

摘要： 针对难以判别的轴承运行振动信号中的状态特征,提出参数优化变分模态分解(VMD)和最优多尺度排列熵(OMPE)结合的特征向量构建的方法,采用支持向量机(SVM)进行故障诊断。VMD的分解结果由分解个数和惩罚因子限制,采用量子粒子群算法(QPSO)优化达到分解的最优效果。考虑轴承运行的周期性质,提出基于轴承故障运行周期特性的最优多尺度排列熵概念,运用模态分量与最优尺度排列熵结合构建特征向量。通过不同方法采用支持向量机识别对比分析,表明上述提出的方法能有效提取特征,提高轴承的故障诊断的精度。

摘要： 针对传统算法容易早熟收敛、计算效率低下等缺点,文章提出一种改进量子粒子群算法,并将其应用于含分布式电源的配电网重构问题。文章综合考虑配电网的经济性和可靠性,以有功网损和电压稳定性指标作为目标函数建立配电网重构模型,并对传统算法在全局收敛性、收敛速度和编码策略等方面进行了改进。引入遗传算法中的锦标赛选择策略,扩大种群多样性,提高全局收敛能力;采用混沌公式改进初始种群和扰动适应度值较差粒子,增加计算精度,加快收敛速度;采用十进制环状编码策略并增加拓扑检测步骤,降低不可行解的产生概率,提高运算效率。算例表明,该方法适用于含多种分布式电源的配网重构,能有效地降低网损、改善节点电压和降低电压稳定性指标,且计算精度高,具有一定的实用性。

摘要： 针对电网规划中输配电网协调性不足和资源利用率不高的问题,将直供负荷纳入电网规划中,以合理利用高电压等级变电站的容量,并充分利用变压器低压侧直供潜力来提高电网的供电能力。通过引入反馈变量,建立输电网与配电网连接处功率耦合关系,实现输电网规划模型和配电网规划模型的分布式求解,在优化配置模型求解过程中,由于目标函数比较复杂且为非线性函数,采用群体最优值交叉操作的量子粒子群算法(CRQPSO)对其进行求解,并建立粒子记忆集以加快模型收敛速度案例分析验证了所提方法的有效性。

摘要： 针对传统测量方法提取矿区地表形变存在获取数据是离散、低密度,不能完整有效地对建筑物损坏等级进行评价等问题。拟提出基于三维激光扫描技术(3DLS)的矿区建筑物形变监测及采动损害评估方法研究。首先介绍了基于三维激光的建筑物变形监测精度设计方法及建筑物采动损害评估方法。其次构建了基于量子粒子群(QPSO)的三维激光标靶球拟合方法,并进行了精度分析。随后对淮南某矿区地表建筑物进行了多时段实时观测,并对矿区开采沉陷盆地建筑物的特征点进行形变信息提取。最后依据《建筑物、水体、铁路及主要井巷煤柱留设现压煤开采规程》对房屋的损坏等级进行了评价。结果表明:①QPSO算法应用于标靶球拟合具有一定的稳定性且其结果精度较高。②矿区地表建筑物的损坏等级与距开切眼的距离成正比,离开切眼越近,建筑物的损坏等级越高,同时其与工作面的掘进进度有关,随着工作面开采强度的提高,地表建筑物的损坏程度也随之提高。综上,应用三维激光扫描技术监测矿区地表建筑物的采动损害对矿区安全生产及评估有着指导性的意义,研究成果对附近矿区的地质环境灾害评估与防治具有重要的参考价值。

摘要： 针对制造企业在产品装配过程中普遍存在的质量问题难以预测等问题,在构建了基于量子粒子群(quantum-behaved particle swarm optimization,QPSO)参数优化的支持向量回归(support vector regression,SVR)的质量预测模型基础上,结合数字孪生技术,提出了一种基于孪生数据的QPSO-SVR质量预测模型,该模型能够预测质量数据的未来状态,为产品装配环节提供事前控制的支持。以引用发动机多工序装配环节中的曲轴装配质量参数为例,将量子粒子群参数优化随机森林回归(random forest regression,RFR)的质量预测模型与QPSO-SVR作对比,结果表明QPSO-SVR质量预测模型泛化能力更强、预测精度更高以及收敛速度更快,验证了QPSO-SVR质量预测模型具备更好的预测性能与适用性。

摘要： 目的:对适用于特征选择的算法进行研究,有效提高文本分类精度和效率.方法:结合特征选择特点,以可拓理论为基础构造小生境量子粒子群算法,通过改进增强算法搜索能力,将不同的特征选择方法用于文本分类并进行比较.结果:实验结果表明,与IG、MI等方法相比,基于可拓小生境量子粒子群算法的特征选择在文本分类中取得了较好效果,算法的求解精度得到明显提升.局限:所提出的特征选择方法在时间效率上有待改善.结论:对量子粒子群算法的改进措施有效提高了算法的搜索能力,在特征选择的应用中达到较好的效果.

摘要： 为更好地平衡量子粒子群算法的全局寻优能力和收敛速度,本文提出了一种改进的量子粒子群算法.在原算法基础上提出了一种新的控制策略从而可以更有针对性地指导决策空间中不同维度的搜索;使用了一种可变的粒子邻域结构,以便算法能够在粒子多样性和收敛速度之间取得更好的平衡;提出了一种基于特征长度的附加终止条件,以保证满足工程精度要求的前提下大幅减少不必要的搜索计算.通过数学实验函数和TEAM22基准问题的分析和计算,证明了本文工作的有效性和正确性.

摘要： 将量子粒子群算法(QPSO,Quantum-behaved Particle Swarm Optimization)引入大跨屋盖结构的离散变量抗风优化中.针对罚函数基本模型的缺点,提出了一种适应值函数修正模型.该模型通过引入约束违反协调系数,充分考虑了不同性质约束的惩罚力度之间的差异性.此外,必要的粒子越界处理和离散变量处理保证了粒子的可行性.最后以门式刚架为例进行抗风优化设计,并通过内力校核验证优化结果的可靠性.研究表明,QPSO算法用于大跨屋盖结构抗风优化时具有较强的全局寻优能力,收敛结果稳定,通过优化明显降低了总体用钢量,最优截面尺寸与风荷载下内力特征一致,优化效果可靠.

摘要： 由于非线性模拟电路故障的多样性和复杂性,使得可用于诊断非线性模拟电路故障的方法十分有限.本文将故障屏蔽原理用于非线性模拟电路的故障诊断中.首先,应用量子粒子群算法优化屏蔽模型得出最优激励;其次,在激励向量作用下,把被检电路逐级撕裂成数个子电路,依次对各子电路进行屏蔽;最后,对子电路中的非线性元件进行逐级屏蔽,直至定位故障.并通过MATLAB和OrCAD软件对实例电路进行仿真分析,实验结果表明本文方法简单有效.

摘要： 无线传感器网络中基于声音能量的声源定位常采用最大似然估计法,该方法将定位问题转换为非线性函数的优化问题.为了解决这一非线性优化问题,本文提出一种文化-改进的量子粒子群优化算法(CA-MQPSO).针对QPSO的收敛速度慢的缺点,结合自适应变异思想和RSNTO算法,提出改进的量子粒子群算法(MQPSO).为了进一步改善算法的全局搜索能力、提高计算精度,利用文化算法的双重演化机制,将MQPSO算法纳入文化算法框架,作为种群空间的进化算法.大量仿真实验表明,该算法在全局搜索能力和收敛性能上优于PSO算法、QPSO算法、混合PSO-SNTO算法,能够获得更好的定位精度.

摘要： 随着主动配电网的兴起,本文在满足一定负荷需求的前提下,以规划区已有分布式电源的类型、容量和位置及变电站的带负荷能力为约束条件,计及配变、馈线等建设费用及包含供电损耗等的运行费用,同时考虑土地类型等地理信息因素对建站费用和位置的影响,建立了一种考虑分布式电源和地理信息因素影响的变电站综合优化规划模型.最后借助量子粒子群算法对所建规划模型进行寻优,通过对某规划新区的实证研究,验证了所提规划模型的科学性和有效性.

摘要： 本文基于油中溶解气体分析法,采用RBF神经网络模型来对电力变压器进行故障诊断.为了提高诊断模型的辨识精度,分两步对RBF神经网络的模型参数进行辨识:首先采用减聚类算法,确定RBF神经网络隐层基函数的中心点;然后采用量子粒子群算法求解基函数的宽度以及输出的连接权重.仿真实验表明,本文提出的方法具有很好的诊断效果.

摘要： DNA编码是DNA计算中最关键的一步，好的DNA编码序列可以有效地防止DNA分子间发生非特异性杂交。DNA编码序列优化设计属于离散空间优化问题，文中采用一种二进制编码的量子粒子群算法优化DNA编码序列，并与基于GA算法的DNA编码方法作对比研究。实验结果表明，采用量子粒子群算法可以得到更优的DNA编码序列。

摘要： 针对PSO算法在综合负荷模型参数辨识中容易收敛到局部最优的问题，提出了将QPSO算法用于综合负荷模型的参数辨识。该算法利用量子力学中的粒子具有不确定轨迹的行为特点来改变粒子位置，从而大大扩大了粒子的搜索范围，具有全局收敛能力，实现高维综合负荷模型的参数辨识。并将QPSO与PSO算法的仿真实验进行对比, 验证了QPSO算法具有搜索全局最优解的能力,并根据实验结果进一步分析了粒子数目和迭代次数的乘积对两种算法全局收敛能力所具有不同影响。

摘要： 网络节点采集的数据、对目标的追踪、网络拓扑管理等都需要确定的位置信息才有意义，因此节点自定位技术是大多数应用的基础和前提。RSSI测距技术广泛应用于WSN节点定位中，但其测距误差较大，直接导致节点自身定位精度不高。针对此类情况，文中通过对无线电传播路径损耗模型以及大量实测数据的分析，提出了一种基于误差校正的定位优化算法。利用量子粒子群优化算法将存在偏差LQI值进行优化，从而对误差进行补偿。实验结果表明，量子机制的引入解决了局部优化的问题，同时使原有算法的优化性能得到一定程度的提高，具有普遍应用意义。

摘要： 本发明涉及一种基于优化量子粒子群算法准确提取未知相移量的方法，其首先基于衍射场的统计性质近似计算四步相移中各相移量的菲涅尔衍射场统计平均值；其次，根据相位随机条件求取中间值，用其表示近似相移量；最后，设置平均误差函数作为适应值函数，并改进量子粒子群算法以进一步逼近相移量的真实值，其中，量子粒子群算法中添加高斯变异操作，使算法符合粒子的初始分布规律。本发明构思合理，理论完善，不仅可以实现四步相移中未知相移量的近似预估计，提高计算方向的准确性，而且可以提高计算未知相移量的真实值的准确度和速度，有效克服传统迭代方法中出现在真实值附近的“锯齿解现象”，具有极快的速度和优秀的求解质量等优点。

摘要： 本发明涉及无人驾驶汽车控制领域，为提出采用量子粒子群算法并行设计的方案，确保控制输出满足车辆物理限制和人体舒适度要求，使车辆更好地适应当前路况。为此，本发明采取的技术方案是，基于量子粒子群算法的非线性模型预测控制方法，首先建立基于无人驾驶汽车的运动学模型，并将其进行离散化；在此基础上采用广义拉格朗日乘子法构造具有惩罚项和鼓励项的广义代价函数，从而将约束问题转化为无约束问题；接下来，进行量子粒子群算法的并行设计，并用其对模型预测控制的代价函数进行优化求解，得到一系列的控制量，最后将控制量的第一个分量作用到汽车上。本发明主要应用于无人驾驶汽车控制场合。

摘要： 本发明公开了一种基于改进量子粒子群算法的微能源网优化调度方法，包括建立微能源网每日成本的目标函数，计算微能源网中设备的出力约束；建立量子粒子群算法模型，并设定量子粒子群算法模型的种群规模，最大迭代次数和领域搜索半径上下限、计算得到每个设备的最优出力和微能源网每日最低成本的步骤。本发明一种基于改进量子粒子群算法的微能源网优化调度方法，能够实现可再生能源消纳，在微能源网可靠运行下使得日运行经济性和环境治理成本最低，为含有可再生能源及储能的微能源网的优化调度问题提供了一种新的求解算法。

摘要： 本发明涉及一种选择多目标量子粒子群算法领导粒子的方法。过将多目标量子粒子群算法的帕累托前沿分区拉直，在每段分区拉直的帕累托前沿中随机选择一个坐标，再选择距离该坐标最近的解作为领导粒子，引导该分区种群的搜索，使帕累托前沿中解密集度较高部位中对应的粒子被选为领导粒子的概率低，解密集度较低部位对应的粒子被选为领导粒子的概率高，从而让帕累托前沿分布更均匀。本发明方法能够使得帕累托前沿分布更均匀。

摘要： 本发明公开了一种基于量子粒子群算法的高光谱图像端元提取算法，使用行列编码方式对粒子进行编码来提高搜索效率，并引入合作机制对粒子的个体最优位置和群体的历史最优位置进行更新，避免“维数灾难”问题。在目标函数的设计方面，巧妙结合最大体积目标函数和最小重构残差目标函数来进行最优端元组合的选取，可以在合理的时间代价下实现对端元的提取，搜索到的最优端元对噪声具有鲁棒性。

摘要： 本发明公开了一种基于改进型量子粒子群算法的电子鼻参数同步优化算法，首先将获取的原始电子鼻数据进行小波变换，然后对小波系数进行加权处理，之后采用基于新型局部吸引子计算方式的一种改进型量子粒子群算法，找到电子鼻模式识别率最到时对应的加权系数以及分类器参数，从而获得电子鼻信号的特征矩阵，然后将所得特征矩阵输入分类器进行模式识别。其有益效果是：增加了粒子前期遍历性和后期局部寻优能力，提高了量子粒子群寻找全局最优值的能力，特别针对伤口感染检测而言，提高了电子鼻的识别率，从而为医生选择适当的治疗方法，促进伤口快速恢复提供了有益指导。

摘要： 本发明公开了一种基于人工蜂群算法和量子粒子群算法的优化计算方法，其包括以下主要步骤：(1)根据实际问题编制待优化目标函数；(2)输入算法的通用运行参数：种群数目、迭代次数、变量维数、变量取值范围、待优化目标函数；(3)选取ABC、QPSO、QPSO+ABC和ABC+QPSO的一种或多种计算方法进行计算；(4)若只使用一种，直接判断结果是否满足优化要求；若多于一种计算方法，综合比较计算结果及评价最优的结果是否满足此次优化的要求；(5)若满足要求，运算结束，输出计算结果和迭代曲线；(6)否则，修改算法的输入参数，重新计算，输出参数调整后的计算结果和迭代曲线，获取最终优化结果。

摘要： 本申请提供一种基于量子粒子群算法的GRU网络的能耗预测方法、装置，所述方法包括：获取历史能耗数据，对历史数据进行预处理，得到按照时间段划分的分段能耗数据；对所述分段能耗数据进行预处理，并划分训练集和测试集；采用量子粒子群算法的GRU网络进行网络训练，其中量子粒子群算法用于对GRU网络的参数进行寻优；根据所述寻优的结果，更新所述GRU网络的参数；将训练完成的GRU网络用于能耗预测。通过基于量子粒子群算法的GRU网络的能耗预测方法适用范围广、预测精度较高，能够为企业能源管理提供较为可靠的能耗预测数据，有助于企业分析未来能源消耗趋势，从而精确供给能源，有助于降低车间生产的能源成本。

摘要： 本发明的一种基于量子粒子群算法的有源滤波器优化方法及系统，方法包括根据应用背景初始化有源滤波器的模型；初始化QPSO参数以及粒子群，在设定位置范围内给粒子群随机赋值；利用量子粒子群算法迭代寻优确定该应用背景下滤波效果最好的有源滤波器参数；获得有源滤波器最优设计参数。本发明使用多种先进技术提升有源滤波器的滤波效果，同时对有源滤波器的参数进行优化配置，在不同的工作背景下获得最优参数，最大程度的滤除电网中存在的谐波分量，使得并网电流接近标准的正弦电流，保障其它电气设备的安全稳定运行。该方法迭代收敛速度快，滤波效果好，适用于实际的工程应用中。

摘要： 本发明公开了一种基于遗传和量子粒子群算法的分布式阵列优化方法，包括：确定待优化的分布式阵列，得到待优化分布式阵列的子阵初始相位中心的矩阵阵列，并将其转化为个体向量；设置群体规模、种群最大迭代次数，以及子阵间最小间距和最大间距；每次迭代对种群个体进行交叉繁殖，将交叉后的个体按照量子粒子群算法中计算中值最优个体的方式进行变异操作，得到新生代个体，迭代过程结束时得到T个个体和T个适应值；根据T个个体和T个适应值，搜索得到最优个体和最优适应值。本发明所提供的基于遗传和量子粒子群算法的分布式阵列优化方法，能够降低分布式阵列的峰值旁瓣比。